根据github上GitHub - cheng-01037/Causality-Medical-Image-Domain-Generalization： [IEEE-TMI'22] 因果关系启发的医学图像分割单源域泛化（代码和数据处理管道）

进行论文的复现工作

requirements.txt 文件中指定的库版本（如numpy==1.22.0, torch==1.3.0）都非常旧（大约是2019-2021年的版本），它们与你现在电脑上安装的、非常新的Python解释器（比如Python 3.9）以及相关的构建工具链不兼容

直接pip install不仅现在会出错，就算侥幸安装成功，也会把你的全局（base）环境搞得一团糟。pip 没有一键撤销命令。 错误操作后需要手动清理

关于虚拟环境的精炼笔记

1. 没创建虚拟环境直接pip install会有影响吗？

答：有，而且影响很大，是项目开发的大忌。

• 污染全局环境： 你电脑上所有Python项目都共享这个唯一的“全局（base）环境”。为一个项目安装的库，可能会覆盖或破坏另一个项目需要的库版本，导致其他项目无法运行。

• 版本冲突： 正如你遇到的问题，项目A可能需要numpy 1.22，但你的全局环境因为项目B已经装了numpy 2.0，强行降级会搞坏项目B，不降级项目A又跑不起来。

• 项目无法复现： 当你想把项目分享给别人，或者换台电脑工作时，你无法准确知道这个项目到底依赖哪些库。因为你的全局环境里装了几百个包，哪些才是这个项目真正需要的？

2. 为什么要弄虚拟环境？（精炼解释）

核心思想：隔离 (Isolation)

虚拟环境就像是为你的每个Python项目创建了一个独立的、干净的、一次性的“专属房间”。

• 版本隔离：

  • 项目A的房间里可以装Python 3.8和torch 1.3。

  • 项目B的房间里可以装Python 3.12和torch 2.0。

  • 它们互不干扰，各自安好。

• 依赖清晰：

  • 每个房间里只安装该项目必需的库。

  • 当项目完成时，可以一键导出这个房间里所有库的清单（pip freeze > requirements.txt），别人拿到清单就能一模一样地复制出这个房间，保证了项目的可复现性。

• 环境纯净、易于管理：

  • 避免了全局环境的臃肿和污染。

  • 如果某个项目的环境搞坏了，只需删掉这个“房间”（conda env remove -n <env_name>），然后重新建一个就行，不会影响任何其他项目。

一句话总结笔记：

虚拟环境通过为每个项目创建一个隔离的“专属房间”，解决了Python开发中最核心的“版本冲突”和“环境污染”问题，确保了项目的独立性、依赖清晰性和可复现性。

记录一次anaconda虚拟环境的使用

1. 安装 Anaconda: 如果还没安装，请去官网下载并安装 Anaconda Distribution。

2. 创建新的虚拟环境:

   • 打开 Anaconda Prompt (从开始菜单找到)。

   • 创建一个名为 causal_dg (因果域泛化) 的新环境，并指定Python版本（例如3.8）：

     codeBash

     conda create --name causal_dg python=3.8

3. 激活虚拟环境:

   • 创建成功后，按照提示激活它：

     codeBash

     conda activate causal_dg

   • 激活后，你会看到终端提示符前面多了 (causal_dg) 的字样，表示你现在在这个独立的环境中了。

4. 在虚拟环境中安装依赖:

   • 先用 cd 命令切换到你的项目文件夹 (同问题一的解决方案)。

   • 然后在这个虚拟环境中运行安装命令：

     codeBash   注意不要开梯子  否则会有网络问题 被切断连接

     pip install -r requirements.txt

   • 现在，所有的库都会被安装到这个 causal_dg 环境专属的文件夹里，非常干净。

5. 以后每次运行这个项目时，都记得先打开Anaconda Prompt，然后运行 conda activate causal_dg。